Auflistung nach:
Auflistung D21 (2020) - Ausgezeichnete Informatikdissertationen nach Titel
1 - 10 von 37
Treffer pro Seite
Sortieroptionen
- KonferenzbeitragAnalyse von variantenreichen und kontextsensitiven Systemen(Ausgezeichnete Informatikdissertationen 2020, 2021) Chrszon, PhilippModerne Informations- und Kommunikationssysteme sind zunehmend von Variantenreichtum und Dynamik geprägt. In der Softwaretechnologie wurden Konzepte wie Features und Rollen eingeführt, um die Variabilität innerhalb einer Systemfamilie bzw. kontextabhängige Adaptionen zu erfassen. Eine zentrale Herausforderung bei der Entwicklung featureorientierter und rollenbasierter Systeme stellen Interaktionen dar, d.h. emergentes Verhalten, welches sich aus der Kombination von Features bzw. Rollen ergibt. Das Ziel der Dissertation ist die Entwicklung von formalen Methoden, um eine frühzeitige Entdeckung von Interaktionen zu ermöglichen, welche die funktionalen und nicht-funktionalen Eigenschaften eines Systems beeinflussen. Dazu werden Formalismen, Modellierungssprachen und zugehörige Analysewerkzeuge entwickelt, welche die Konzepte von Features und Rollen explizit unterstützen.
- KonferenzbeitragAngriffe durch Fernzugriff auf FPGA Hardware(Ausgezeichnete Informatikdissertationen 2020, 2021) Gnad, DennisField-Programmable Gate Arrays (FPGAs) werden neben Grafikkarten immer beliebtere Rechenbeschleuniger für Cloud Umgebungen verschiedenster Anbieter. Auf rein digitaler Ebene ko ̈nnen FPGAs bereits recht gut abgesichert werden, wa ̈hrend bisherige Angriffe auf elektrischer Ebene physischen Zugriff zum Gerät benötigten. Diese Dissertation [Gn20a] deckt nun eine Reihe von Sicherheitsproblemen auf, die zwar auf physikalischen Effekten innerhalb integrierter Schaltkreise basieren, jedoch auch mit Fernzugriff durch Software ausnutzbar sind. Die Arbeit betrachtet FPGA Chips verschiedener Hersteller und zeigt Angriffe die alle Sicherheitsanforderungen der Vertraulichkeit, Unversehrtheit, und Verfügbarkeit verletzen können. Gleichermaßen wird mit weiteren Angriffen auf Geräte des Internets der Dinge (Internet of Things; IoT) gezeigt, dass ähnliche Probleme nicht nur FPGAs, sondern auch andere integrierte Schaltkreise betreffen können. Dadurch motiviert diese Arbeit weitere Analysen und Lösungsansätze, an denen bereits aktiv gearbeitet wird.
- KonferenzbeitragApproaches for Intrinsic Light Field Decomposition(Ausgezeichnete Informatikdissertationen 2020, 2021) Alperovich, AnnaBei der intrinsischen Bildzerlegung geht es darum, ein beleuchtungsinvariantes Reflexionsbild von einem Eingangsfarbbild zu trennen, was nach wie vor noch eines der grundlegenden Probleme im Bereich der Computer Vision darstellt. Diese Zerlegungsart wird ha ̈ufig bei der Be arbeitung von Fotos und Materialien, der Bildsegmentierung sowie der Formschätzung eingesetzt. Im Fokus dieser Arbeit liegt die intrinsische 4D-Zerlegung eines Lichtfelds. Im Rahmen dessen soll das Problem in Bezug auf die folgenden drei Variablen formuliert und gelöst werden soll: Albedo, Schattierung und Spekularität. Dadurch wird es wiederum möglich, sich mit nicht-Lambertschen Szenen auseinanderzusetzen. Dem Problem soll sich mit Variations- und Deep-Learning-Ansätzen angenähert, ihre Leistung verglichen und die Stärken und Schwächen beider Techniken diskutiert werden. Es soll nachgewiesen werden, dass der in dieser Arbeit vorgestellte Deep-Learning-Ansatz eine generische Lösung für Lichtfelder darstellt und bei vier zeitgenössischen Computer-Vision-Problemstellungen eingesetzt werden kann: Disparitätsschätzung, Reflexionstrennung, intrinsische Bildgebung und bildverarbeitende Ultrahochauflösung. Umfangreiche Auswertungen auf der Grundlage mehrerer öffentlich zugänglicher, synthetischer und realer Datensätze belegen die Fruchtbarkeit der im Rahmen dieser Arbeit vorgestellten Methodik. Im Ergebnis werden die Vorteile der Verwendung von Lichtfeldern gegenüber anderen Datenstrukturen aufgezeigt.
- KonferenzbeitragApproximationsalgorithmen für geometrische Optimierungsprobleme(Ausgezeichnete Informatikdissertationen 2020, 2021) Keldenich, PhillipIn diesem Beitrag betrachten wir verschiedene NP-schwere geometrische Optimierungs-probleme aus den Bereichen der konfliktfreien Färbung von Graphen, der kollisionsfreien Bewegungsplanung und der geometrischen Packung und Überdeckung, und fassen die Ergebnisse unserer Arbeit zusammen, die in [Ke20] ausführlich beschrieben werden. Neben anderen Ergebnissen präsentieren wir zu verschiedenen Problemvarianten aus diesen Problemfeldern Garantien, die den Faktor zwischen einer offensichtlichen Schranke an die optimale Lösung einer Instanz und dem tatsächlichen Wert einer optimalen Lösung beschränken. In vielen Fällen sind diese Garantien bestmöglich, was bedeutet dass es Familien von Instanzen gibt, für die der garantierte Faktor angenommen wird. Die konstruktiven Beweise für diese Garantien basieren auf Algorithmen, die sich in jedem Fall auch als effiziente Approximationsalgorithmen mit konstantem Approximationsfaktor interpretieren lassen.
- KonferenzbeitragAusdrucksstärke gewichteter Automaten und Logiken(Ausgezeichnete Informatikdissertationen 2020, 2021) Paul, ErikDie Dissertation untersucht gewichtete Automaten als Erweiterung des fundamentalen Modells der endlichen Automaten sowie gewichtete Logiken als quantitative Erweiterung der monadischen Logik zweiter Stufe. Als erstes Resultat zeigen wir Zerlegungssätze für eine generische gewichtete Logik, welche sich als gewichtete Verallgemeinerungen in die Familie der Feferman-Vaught-Sätze für die klassische monadische Logik zweiter Stufe einreihen. Im zweiten Resultatkom- plex beweisen wir vier Entscheidbarkeitsresultate für das Automatenmodell der Max-Plus-Baumautomaten. Wir zeigen, dass die Äquivalenz endlich mehrdeutiger Max-Plus-Baumautomaten entscheidbar ist. Hierbei heißt ein Baumautomat endlich mehrdeutig, falls die Anzahl der Läufe des Automaten auf jedem Baum durch eine globale Konstante beschränkt ist. Für diese endlich mehrdeutigen Automaten zeigen wir des Weiteren, dass es entscheidbar ist, ob sich ein gegebener Automat auch durch einen Automaten beschreiben lässt, der höchstens einen Lauf auf jedem Baum zulässt, sowie, dass es für einen solchen eindeutigen Automaten entscheidbar ist, ob dieser sich als Maximum endlich vieler deterministischer Automaten darstellen lässt oder sogar zu einem deterministischen Automaten äquivalent ist. Das letzte Resultat verbindet Automaten und Logiken. Wir zeigen, dass sich Quantitative Monitorautomaten durch eine gewichtete Logik beschreiben lassen.
- KomplettbandAusgezeichnete Informatikdissertationen 2020(Ausgezeichnete Informatikdissertationen 2020, 2021) Hölldobler, Steffen
- KonferenzbeitragAutomatisierte Hybride Zeitreihenprognose(Ausgezeichnete Informatikdissertationen 2020, 2021) Bauer, AndreModerne Cloud-Umgebungen unterliegen Lastschwankungen und entsprechend schnellen und unerwarteten Änderungen. Um ausreichend Rechenressourcen rechtzeitig bereitzustellen, müssen sogenannte Auto-Skalierer den zukünftigen Ressourcenbedarf vorhersagen. Allerdings haben bestehende Arbeiten zur Zeitreihenprognose und zur automatischen Skalierung der Cloud zwei große Probleme. Erstens gibt es keinen vollautomatischen und generischen Prognoseansatz, der die vorhandenen Prognosemethoden so kombiniert, dass ihre Stärken genutzt und ihre Schwächen vermieden werden, um genaue Vorhersagen mit einer verlässlichen Laufzeit zu liefern. Zweitens wird bestehenden Auto-Skalierern misstraut, ein zuverlässiges und kosteneffizientes autonomes Ressourcenmanagement für moderne Cloud-Umgebungen zu bieten, da die Sorge besteht, dass ungenaue oder verzögerte Anpassungen zu finanziellen Verlusten führen können. Um diese Probleme zu lösen, stellt die Dissertation drei Beiträge vor: (i) Einen Prognose-Benchmark, der das Problem der begrenzten Vergleichbarkeit zwischen bestehenden Prognosemethoden adressiert; (ii) Eine automatisierte hybride Zeitreihen-Prognosemethode; (iii) Einen neuartiger hybrider Auto-Skalierer für koordinierte Skalierung von Anwendungen.
- KonferenzbeitragBestärkendes Lernen und Metalernen in neuronalen Netzwerken(Ausgezeichnete Informatikdissertationen 2020, 2021) Scherr, FranzDas menschliche Gehirn gestattet es uns neue Fähigkeiten scheinbar mühelos zu lernen, oft sogar nur durch Versuch und Irrtum, und das mit nur wenigen Anläufen. Diese Arbeit behandelt die Frage, wie eine solche Lernfähigkeit in gehirnähnlichen Schaltkreisen zustande kommen kann. Durch mathematisch rigoros hergeleitete Algorithmen werden Lernfähigkeiten in biologisch inspirierten Modellenrückgekoppelter neuronaler Netzwerke anhand von Computersimulationen demonstriert. Insbesondere erlaubt der entwickelte Lernalgorithmus solchen Netzwerken selbständig erfolgreiche Strategien durch Versuch und Irrtum zu lernen, etwa um eine hohe Punktezahl in Atari Videospielen zu erzielen. Hierbei erhält das Netzwerk keinerlei Information über die Regeln oder Ziele des Spiels, und es erhält auch keine Demonstration von wirksamen Strategien. Durch eine Optimierung von Lernsignalen, gestattet der Algorithmus erheblich schneller zu lernen. Die vorgestellte Theorie erweitert unser Verständnis davon, wie gehirnähnliche neuronale Netzwerke schwierige Aufgaben lernen können.
- KonferenzbeitragBeweisbar Gesetzmäßigkeiten in Daten finden und ausnutzen(Ausgezeichnete Informatikdissertationen 2020, 2021) Neumann, StefanIm letzten Jahrzehnt gab es immensen Fortschritt und Wachstum in den Bereichen der Künstlichen Intelligenz und des Maschinellen Lernens. Ermöglicht wurde diese Entwicklung durch spezialisierte neue Hardware, die immer größere Verfügbarkeit von Daten und Durchbrüche bei der Entwicklung von Algorithmen, die Gesetzmäßigkeiten in Daten finden und ausnutzen. Obwohl wir uns in der Praxis täglich vom großen Erfolg dieser Algorithmen überzeugen können, ist unser theoretisches Verständnis von ihnen jedoch weiterhin eingeschränkt. Allerdings wären formale Garantien für diese Algorithmen wünschenswert, weil sie wichtige Einblicke in die Stärken und die Grenzen dieser Algorithmen bieten. Diese Dissertation verkleinert die Kluft zwischen Theorie und Praxis, indem wir Algorithmen enwickeln, die beweisbar Gesetzmäßigkeiten in Daten finden und ausnutzen.
- KonferenzbeitragBeweisbare Eigenschaften autonomer Fahrmanöver im Stadtverkehr(Ausgezeichnete Informatikdissertationen 2020, 2021) Schwammberger, MaikeSeit einigen Jahren erobern (teil-) autonome Fahrzeuge oder Fahrassistenzsysteme zunehmend die Märkte. Um Fehlfunktionen und Unfällen mit autonomen Fahrzeugen vorzubeugen, ist es von großer Bedeutung die korrekte Funktionsweise solcher Systeme sicherzustellen. In meiner Dissertation untersuche ich daher eine Formalisierung wünschenswerter und gesellschaftlich geforderter Eigenschaften autonomer Fahrmanöver im Stadtverkehr. Eine solche Eigenschaft ist beispielsweise die Sicherheit eines Abbiegemanövers an einer Kreuzung. Um diese Eigenschaften beweisbar zu machen, schlage ich eine Abstraktion realer Straßenverkehrssituationen vor, welche möglichst viele verschiedene Situationen abdecken kann. In diesem abstrakten Modell weise ich durch logische Schluss- folgerungen und mit Hilfe einer Implementierung die wünschenswerten Eigenschaften der von mir entwickelten Kreuzungs-Controller nach.